智能控制技术（第2版）

第2版前言
第1版前言
第一章绪论1
第一节智能控制的发展过程1
一、智能控制问题的提出1
二、智能控制的发展2
第二节智能控制的主要方法4
一、专家系统和专家控制4
二、模糊控制5
三、神经元网络控制5
四、学习控制6
第三节智能控制系统的构成原理7
一、智能控制系统的结构7
二、智能控制系统的特点8
三、智能控制系统研究的数学工具9
习题和思考题10
第二章模糊控制的理论基础11
第一节引言11
一、模糊控制的发展11
二、模糊控制的特点12
三、模糊控制的定义12
第二节模糊集合论基础13
一、模糊集合的概念13
二、模糊集合的运算16
三、模糊集合运算的基本性质17
四、隶属度函数的建立18
五、模糊关系23
第三节模糊逻辑、模糊逻辑推理和合成29
一、二值逻辑30
二、模糊逻辑及其基本运算31
三、模糊语言逻辑32
四、模糊逻辑推理36
五、模糊关系方程的解43
本章小结46
习题和思考题46
第三章模糊控制系统48
第一节模糊控制系统的组成48
一、模糊化过程49
二、知识库49
三、推理决策逻辑53
四、精确化计算54
第二节模糊控制器的设计55
一、模糊控制器的结构设计55
二、模糊控制器的基本类型57
三、模糊控制器的设计原则59
四、模糊控制器的常规设计方法59
第三节模糊控制器的设计举例64
一、流量控制的模糊控制器设计64
二、倒立摆的模糊控制器设计67
第四节模糊ＰＩＤ控制器的设计69
一、模糊控制器和常规PID的混合结构70
二、常规PID参数的模糊自整定技术72
本章小结73
习题和思考题74
上机实验题74
第四章人工神经元网络模型75
第一节引言75
一、神经元模型76
二、神经网络的模型分类77
三、神经网络的学习算法78
四、神经网络的泛化能力81
第二节前向神经网络模型82
一、单一人工神经元82
二、单层神经网络结构83
三、多层神经网络结构83
四、多层传播网络的BP学习算法84
五、BP学习算法的MATLAB例程89
第三节动态神经网络模型92
一、带时滞的多层感知器网络93
二、Hopfield神经网络94
三、回归神经网络100
本章小结102
习题和思考题103
第五章神经网络控制论104
第一节引言104
一、神经网络控制的优越性104
二、神经网络控制器的分类105
三*、神经网络的逼近能力108
第二节非线性动态系统的神经网络
辨识109
一、神经网络的辨识基础109
二、神经网络辨识模型的结构111
三*、非线性动态系统神经网络的
辨识115
第三节神经网络控制的学习机制121
一、监督式学习122
二、增强式学习124
第四节神经网络控制器的设计125
一、神经网络直接逆模型控制法125
二、直接网络控制法127
三、多神经网络自学习控制法129
四、单一神经元控制法130
本章小结132
习题和思考题132
第六章*智能控制的集成技术134
第一节模糊神经网络控制134
一、模糊神经网络的结构135
二、模糊神经网络的学习算法137
第二节基于神经网络的自适应控制143
一、自适应控制技术143
二、神经网络的模型参考自适应控制143
第三节智能控制的优化算法147
一、遗传学习算法147
二、蚁群学习算法149
三、迭代学习算法150
本章小结152
参考文献153